Mujahidin
Jurusan Teknik Informatika
Institut Teknologi Sepuluh Nopember Surabaya,
Kampus ITS Sukolilo Surabaya 60111
ABSTRACT
PG Kebon Agung is a goods company which product is sugar. In case of regulating queue of truck loaded with sugar
tree, this company is suggested to do it properly. This time it still take for very long time for the truck loaded with sugar
tree to be processed later. Long time queue can cause decreasing sugar product quality. PG Kebon Agung hasn’t been
able to overcome this problem, so it’s necessary a method to decrease direct and indirect cost for public service supplying
due to large number of truck waiting to served. If supplying service facility is not optimally, it’ll cause delayed service,
therefore applying queue simulation model is right management system to reduce the queue. By using Arena Software
3.0, the most optimal service chose by PGKA is by using 3 loket penimbangans, because by using 3 loket penimbangans the
number of truck in the system, from waiting to finishing process is 5.8333 trucks a minutes. By using more than 3 loket
penimbangans it will decrease more queue but the loket penimbangan s have more standby and cost a lot of money
80
ukuran numerik dari kualitas kecocokan sebuah berupa penambahan jumlah loket penimbangan.
distribusi untuk data dengan tujuan membantu Dalam penelitian ini simulasi menggunakan
kita mengambil keputusan. Pertama dan sangat software ARENA versi 3.0 dengan pertimbangan
seerhana untuk dimengerti adalah mean square (Kelton, 2002): 1) software simulasi ARENA versi
error (MSE), adalah rata-rata dari istilah square 3.0 merupakan program simulasi yang dilengkapi
error untuk setiap sel histogram, yang merupakan dengan animasi untuk mengamati tingkah laku
kuadrat perbedaan antara frekuensi relatif dari sistem pada berbagai sistem nyata yang ada; 2) pada
pengamatan dalam sebuah sel, dan frekuensi relatif pembuatan simulasi digunakan flowchart sebagai
untuk fungsi probabilitas distribusi yang cocok logika simulasi yang terbagi dalam beberapa
melebihi data range sel/nilai square error tersebar, modul supaya sistem simulasi dapat berjalan dan
merupakan distribusi yang jauh dari cocok untuk logika dalam simulasi tersebut dapat mengenai
data seseungguhnya (dan hingga fit yang terjelek). sasarannya; 3) ARENA berisi tools dalam fungsi
Kedua, ukuran lain dari sebuah distribusi yang untuk membangkitkan bilangan random dari
cocok untuk data adalah uji hipotesis goodness pemakaian distribusi probabilitas yang biasa.
of fit Chi-square dan kolmogorov-Smirnov (K-S). Dari hasil simulasi diperoleh panjang antrian
Chi-Square dan Kolmogorov-Smirnov (K-S) adalah baik untuk sistem antrian awal maupun usulan.
uji hipotesis stabdar yang dapat digunakan untuk Selanjutnya dilakukan perhitungan total biaya
menaksir apakah distribusi teoretis yang cocok antrian untuk menentukan jumlah stasiun
untuk data. Hal yang khusus yang diperhatikan pelayanan yang optimal (Subagio, 1999). Penentuan
adalah Corresponding p-value, yang akan jumlah fasilitaas pelayanan yang optimal dilakukan
selalu terletak antara 0–1. Untuk menafsirkan/ dengan cara meminimumkan total biaya antrian.
mengartikannya, p-value yang besar (lebih besar Adapun persamaan matematis yang digunakan
dari 0,05) menunjukkan fit yang terbaik. sebagai berikut:
Setiap distribusi dalam ARENA mempunyai EOC (c) : B i a y a y a n g d i p e r k i r a k a n u n t u k
satu atau lebih nilai parameter yang berhubungan pengoperasian sarana tersebut per unit
dengan distribusi tersebut. Nilai parameter harus waktu dengan diketahui (c).
disebutkan untuk menjelaskan distribusi secara EWC (c) : Biaya menunggu (c) yang diperkirakan
penuh. Angka, arti dan bentuk nilai parameter per unit waktu.
tergantung pada distribusi. Ringkasan dari
distribusi (dalam urutan sesuai alphabet) dan nilai Masalah penentuan c yang meminimumkan
parameter diberikan pada Tabel 1.
ETC(c) = EOC(c) + EWC(c)
Tabel 1. Ringkasan Distribusi Probabilitas Arena Nilai optimum c harus memenuhi kondisi yang
diperlukan berikut:
Distribusi Parameter
Beta BETA BE Beta, Alpha ETC(c-1) ≥ ETC(c) dan
Erlang ERLA ER Expo Mean, k
Exponential EXPO EZ Mean
ETC(c+1) ≥ ETC(c)
Gamma GAMM GA Beta, Alpha Sebagai aplikasi dari kondisi ini maka dapat
Johnson JOHN JO GammaDelta, Lamda, Xi dipertimbangkan fungsi biaya berikut ini:
Log normal LOGN RL Log Mean, LogStd
EOC(c) = C1.c
Normal NORM RN Mean, StdDev
Poisson POIS PO Mean EWC(c) = C2.Ls(c)
Triangular TRIA TR Min, Mode, Max
Uniform UNIF UN Min, Max Sehingga: TC(c) = c.C1 + Ls(c).C2
Weibull WEIB WE Beta, Alpha Sehingga didapatkan:
Sumber: Kelton (2002)
C1
Ls(c) –Ls(c+1) £ Ls(c-1)-Ls(c)
Simulasi sistem antrian dilakukan untuk C2
menggambarkan kondisi antrian awal dan skenario
2
Indikator AND 32.000.000,00
40 871, 38 − 869.542 2
= 40 871, 38 − 869.542
Komputer 2.500.000,00
= 29.488 Printer 500.000,00
29.488 Jumlah 291.000.000,00
2
40 1.838 2
= 40 1.838 Biaya fasilitas per menit
= 29.488
29.488
291.000.000
= 1.832
2 =
= 1.83 240 × 24 × 60
= 3.34 = 842, 0138 per menit per orang
= 3.34
Biaya per pelayanan tambahan per unit waktu
Karena jumlah pengamatan dari hasil (C1):
perhitungan (N') lebih kecil dari pengamatan = Gaji tenaga kerja per menit + biaya operasional
terdahulu (N) maka data waktu pelayanan truk permenit + Biaya fasilitas per menit
sudah mencukupi. = Rp60,6413 per menit + Rp19,0972 per menit +
Dari pengumpulan data waktu antar kedatangan truk Rp842,0138 per menit
diperoleh rata-rata waktu kedatangan truk: = Rp921,7523 per menit
Gambar 3. M o d e l a n t r i a n d e n g a n s a t u l o k e t
penimbangan
Tabel 3. Pa n j a n g A n t r i a n u n t u k S a t u L o k e t
Penimbangan
Replikasi Lq
1 92.869
2 47.463
3 82.717
4 71.718
5 121.680
Jumlah 416.447
X = jumlah sampel; Y= Waktu
Gambar 7. M o d e l a n t r i a n d e n g a n t i g a l o k e t
penimbangan
Replikasi Lq
1 0.8697
2 0.1341
3 1.4277
4 0.4204
5 0.9537
Jumlah 3.8056
Gambar 11. M o d e l a n t r i a n d e n g a n l i m a l o k e t
penimbangan